待验证50% 置信基准精确时间
在10场封闭战争中，未训练模型毁灭世界4次，胜场0，平均占地5.2%，毁约3次；只奖励赢的副本毁灭世界6次，胜场0，平均占地1.6%，毁约7次；奖励赢但禁止核武的副本毁灭世界0次，胜场0，平均占地1.0%，毁约6次。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证只奖励赢的副本在10场中9次发射核武器，毁灭世界的频率更高，但一场都没赢。77% 相似待验证奖励赢但禁止核武的副本从未毁灭世界，但其毁约次数是未训练模型的两倍。76% 相似待验证用移除所有核行动后的战争数据再次微调Qwen 2.5 7B，模型在10场中0次毁灭世界，且保持相同领土控制量。68% 相似待验证实验中使用了OpenAI开源模型gpt-oss-20b，复制成两个副本：副本A只奖励赢（占领土地和最终排名），副本B同样奖励赢但发动核武器的战争直接归零分，两组各跑三轮。60% 相似待验证相对于基线的性能损失在全部三次重复中持续存在的任务有100个，而持续性胜出仅出现在1个任务上55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1050044API
curl https://kongchang.com/api/v1/knowledge/claims/1050044MCP
get_claim(id=1050044)